Κοινοποίηση μέσω

Πειράματα και μοντέλα μηχανικής μάθησης Διοχετεύσεις ολοκλήρωσης και ανάπτυξης Git (Προεπισκόπηση)

Τα πειράματα και τα μοντέλαμηχανικής εκμάθησης ενσωματώνονται στις δυνατότητες διαχείρισης κύκλου ζωής του Microsoft Fabric, παρέχοντας μια τυποποιημένη συνεργασία μεταξύ όλων των μελών της ομάδας ανάπτυξης καθ' όλη τη διάρκεια ζωής του προϊόντος. Η διαχείριση κύκλου ζωής διευκολύνει μια αποτελεσματική διαδικασία διαχείρισης εκδόσεων και κυκλοφορίας προϊόντων, παρέχοντας συνεχώς δυνατότητες και διορθώσεις σφαλμάτων σε πολλαπλά περιβάλλοντα. Για να μάθετε περισσότερα, ανατρέξτε στο θέμα Τι είναι η διαχείριση κύκλου ζωής στο Microsoft Fabric;.

Σημαντικό

Αυτή η δυνατότητα είναι σε προεπισκόπηση.

Πειράματα και μοντέλα μηχανικής μάθησης Ενσωμάτωση Git

Τα πειράματα και τα μοντέλα μηχανικής μάθησης (ML) περιέχουν τόσο μεταδεδομένα όσο και δεδομένα. Τα πειράματα ML περιέχουν runs ενώ τα μοντέλα ML περιέχουν model versions. Από την άποψη της ροής εργασιών ανάπτυξης, τα Σημειωματάρια ενδέχεται να αναφέρονται σε ένα πείραμα ML ή σε ένα μοντέλο ML.

Κατ' αρχήν, τα δεδομένα δεν αποθηκεύονται στο Git—παρακολουθούνται μόνο τα μεταδεδομένα τεχνουργημάτων. Από προεπιλογή, η διαχείριση των πειραμάτων και των μοντέλων ML γίνεται μέσω της διαδικασίας συγχρονισμού/ενημέρωσης του Git, αλλά experiment runs δεν model versions παρακολουθούνται ούτε εκδίδονται στο Git και τα δεδομένα τους διατηρούνται στον χώρο αποθήκευσης χώρου εργασίας. Η γενεαλογία μεταξύ σημειωματαρίων, πειραμάτων και μοντέλων κληρονομείται από τον χώρο εργασίας που είναι συνδεδεμένος με το Git.

Αναπαράσταση Git

Οι ακόλουθες πληροφορίες σειριοποιούνται και παρακολουθούνται σε έναν συνδεδεμένο χώρο εργασίας Git για πειράματα και μοντέλα μηχανικής μάθησης:

  • Εμφανιζόμενο όνομα.
  • Έκδοση.
  • Λογικό guid. Το εντοπισμένο λογικό guid είναι ένα αναγνωριστικό χώρου εργασίας που δημιουργείται αυτόματα και αντιπροσωπεύει ένα στοιχείο και την αναπαράσταση ελέγχου προέλευσης.
  • Εξαρτήσεις. Η γενεαλογία μεταξύ σημειωματαρίων, πειραμάτων και μοντέλων διατηρείται σε όλους τους χώρους εργασίας που συνδέονται με το Git, διατηρώντας σαφή ιχνηλασιμότητα μεταξύ σχετικών τεχνουργημάτων.

Σημαντικό

Μόνο τα μεταδεδομένα πειραμάτων μηχανικής μάθησης και τεχνουργημάτων μοντέλου παρακολουθούνται στο Git στην τρέχουσα εμπειρία. Οι εκτελέσεις πειραμάτων και οι εκδόσεις μοντέλων (οι έξοδοι εκτέλεσης και τα δεδομένα μοντέλου) δεν αποθηκεύονται ούτε εκδίδονται στο Git. Τα δεδομένα τους παραμένουν στον χώρο αποθήκευσης του χώρου εργασίας.

Δυνατότητες ενσωμάτωσης Git

Οι ακόλουθες δυνατότητες είναι διαθέσιμες:

  • Σειριοποιήστε τα μεταδεδομένα πειραμάτων ML και μοντελοποιήστε τεχνουργήματα σε μια αναπαράσταση JSON που παρακολουθείται από το Git.
  • Υποστηρίξτε πολλούς χώρους εργασίας συνδεδεμένους στον ίδιο κλάδο Git, επιτρέποντας τον συγχρονισμό των μετα-δεδομένων που παρακολουθούνται μεταξύ των χώρων εργασίας.
  • Επιτρέψτε την άμεση εφαρμογή ενημερώσεων ή τον έλεγχο μέσω αιτημάτων έλξης για τη διαχείριση αλλαγών μεταξύ ανάντη και κατάντη χώρων εργασίας/κλάδων.
  • Παρακολουθήστε μετονομασίες πειραμάτων και μοντέλων στο Git για να διατηρήσετε την ταυτότητα σε όλους τους χώρους εργασίας.
  • Δεν πραγματοποιούνται ενέργειες στο experiment runs ή model versions; τα δεδομένα τους διατηρούνται στο χώρο αποθήκευσης χώρου εργασίας και δεν αποθηκεύονται ή αντικαθίστανται από το Git.

Πειράματα και μοντέλα μηχανικής μάθησης σε διοχετεύσεις ανάπτυξης

Τα πειράματα και τα μοντέλα μηχανικής εκμάθησης (ML) υποστηρίζονται σε διοχετεύσεις ανάπτυξης διαχείρισης κύκλου ζωής Microsoft Fabric. Επιτρέπει βέλτιστες πρακτικές τμηματοποίησης περιβάλλοντος.

Σημαντικό

Μόνο τα πειράματα μηχανικής εκμάθησης και τα τεχνουργήματα μοντέλου παρακολουθούνται σε διοχετεύσεις ανάπτυξης στην τρέχουσα εμπειρία. Οι εκτελέσεις πειραμάτων και οι εκδόσεις μοντέλων δεν παρακολουθούνται ούτε εκδίδονται από διοχετεύσεις. Τα δεδομένα τους παραμένουν στον χώρο αποθήκευσης του χώρου εργασίας.

Δυνατότητες ενοποίησης διοχετεύσεων ανάπτυξης πειραμάτων και μοντέλων ML:

  • Υποστήριξη για την ανάπτυξη πειραμάτων και μοντέλων ML σε χώρους εργασίας ανάπτυξης, δοκιμής και παραγωγής.
  • Οι αναπτύξεις συγχρονίζουν μόνο μεταδεδομένα τεχνουργημάτων. experiment runs και model versions (τα δεδομένα τους) διατηρούνται και δεν αντικαθίστανται.
  • Οι μετονομασίες πειραμάτων και μοντέλων μεταδίδονται σε όλους τους χώρους εργασίας όταν περιλαμβάνονται σε μια διοχέτευση ανάπτυξης.
  • Η γενεαλογία μεταξύ σημειωματαρίων, πειραμάτων και μοντέλων διατηρείται σε όλους τους χώρους εργασίας κατά τη διάρκεια των αναπτύξεων διοχέτευσης, διατηρώντας την ιχνηλασιμότητα μεταξύ σχετικών τεχνουργημάτων.

Σχετικό περιεχόμενο

  • Last updated on